Introducción a R

2 + 3     

10 - 4    

3 * 5     

20 / 4    

20 / 4 >= 10    # ¿5 es mayor o igual que 10? → FALSE

20 / 4 == 10    # ¿5 es igual a 10? → FALSE

20 / 4 < 10     # ¿5 es menor que 10? → TRUE

valores <- c(TRUE, FALSE, TRUE, TRUE)
sum(valores)       # cuenta cuántos TRUE hay

mean(valores)      # proporción de TRUE

x <- 10    
y <- 5
suma <- x + y
suma

suma + 7

yo_uso_la_serpiente <- 10
OtraGenteUsaElCamello <- 9
otra.gente.usa.los.puntos <- 9
Hayque_evitar.esto10 <- 2

numero <- 1:10
numero

caracter <- "del uno al diez"
caracter

una_lista <- list(1:10, 11:20, 21:30)
una_lista

numeros_como_caracteres <- as.character(numero)
numeros_como_caracteres

numeros <- as.numeric(numeros_como_caracteres)
numeros

numeros <- c(1, 2, 3, 4, 5) 
numeros

otros_numeros <- 1:40
otros_numeros

otros_numeros + 10

promedio <- mean(numeros)
promedio

promedio * numeros

numeros / otros_numeros

# [ ] para seleccionar partes de un vector o una tabla
(numeros / otros_numeros)[8]

# Un vector de 5 números aleatorios con distribución uniforme
runif(5)

# Ahora que 3 números vayan del 0 al 100
runif(3, min=0, max=100)

# Cómo se ve
x <- runif(1000, min = 0, max = 100)
hist(x, col = "orange", main = "Distribución uniforme", xlab = "Número de eventos", ylab = "Frecuencia")

# 4 números con una distribución normal
rnorm(4)

# Especificando la media y la desviación
x <- rnorm(1000, mean = 50, sd = 10)
hist(x, col = "skyblue", main = "Distribución normal", xlab = "Número de eventos", ylab = "Frecuencia")

# Generar 1000 observaciones con media (λ) = 3
x <- rpois(1000, lambda = 3)

# Ver las primeras observaciones
head(x)

# Histograma
hist(x, col = "lightgreen", main = "Distribución de Poisson (λ = 3)", xlab = "Número de eventos", ylab = "Frecuencia")

# Binomial
# 20 experimentos, en cada uno lanzamos una monedas, con una probabilidad de que salga cara del 50%
caras <- rbinom(200, size = 1, prob = 0.5)
table(caras)

barplot(table(caras), col = "steelblue")

# c () concatenar
x <- c(4, 6, 8, 3, 9, 12, 12)

# Estadísticos básicos
mean(x)       # media

median(x)     # mediana

sd(x)         # desviación estándar

min(x)        # valor mínimo

max(x)        # valor máximo

range(x)      # rango (min, max)

summary(x)    # resumen general

# Ayudas
?mean           # abre la ayuda de una función
help(mean)      # lo mismo que '?mean'
??"normal"      # búsqueda más amplia en toda la documentación
example(mean)   # muestra ejemplos prácticos

x <- rpois(8, 8)
x

sample(x, 3)          # elegir 3 elementos al azar

rev(x)                # invertir el orden

sort(x)               # ordenar valores

length(x)             # longitud del vector

table(x)              # tabla de frecuencias

unique(x)             # valores únicos

length(unique(x))     # cuántos valores distintos

sample(x, 3, replace=TRUE) 

round(mean(x), 2)     # redondear a 2 decimales

nombres <- c("Laura", "Rocio", "Violeta", "Rocio", "Rocio")
unique (nombres)

table (nombres)

rep (nombres, 5)    # repetir algo varias veces

sample(nombres, 3, replace=TRUE) 

# 1. Calcula el minimo valor de 100 valores aleatorios según una distribución normal
min (rnorm (100))

# 2. Dada una secuencia de 20 números seguidos (del 0 al 20), genera los pares y guárdalo en un objeto.
pares <- seq (0, 20, 2)

# 3. Ejercicio:

  # Crea un vector con 20 números aleatorios entre 0 y 50.
  # Calcula el promedio y la desviación estándar.
  # Multiplica todos los valores por 2.
  # Dibuja un histograma.
  #¿Cómo cambia el promedio después de multiplicar por 2?

mi_vector <- runif(20,0,50)
mean (mi_vector)

sd (mi_vector)

mi_vector_2 <- mi_vector*2
hist(mi_vector_2)

# Crea un vector con edades y usa una comparación para saber cuáles son mayores de edad y cualcula cuantos no lo son
edades <- c(12, 18, 3, 44, 25, 15, 30)
sum (edades > 18)

# Queremos la media de nuestros números transformados a logaritmo

vector <- seq(1, 100, 10)
mean (log (vector))

sd (log (vector))

# Queremos hacerlo otra vez con otros valores

vector2 <- seq(1, 300, 50)
mean (log (vector2))

sd (log (vector2))

log_vect <- function (y) {
  mean_y <- mean (log (y+1))
  sd_y <- sd (log (y+1))
  print(paste("La media es", mean_y, ", la desviación estándar es:", round(sd_y,2)))
  return(log(y))
}

vector3 <- seq(1, 300, 4)
distribution = log_vect (vector3)

hist(distribution)

# i puede ser un número
length(1:5) # número de iteraciones 

for (i in 1:5) {
  print(paste("Aquí está el número", i))
}

# i puede ser un caracter 
nombres <- c ("Laura", "Rocio", "Violeta")
length(nombres) #número de iteraciones 

for (i in nombres) {
  print(paste("Aquí está la alumna", i))
}

# un dado
sample(1:6, 1)

# i puede ser solo el numero de veces que repetimos algo
resultados <- c()
for (i in 1:100) {
  tiro <- sample(1:6, 1)
  resultados <- c(resultados, tiro)
}

resultados

mean(resultados)

# 1. Ejercicio: como podemos saber cuantas veces ha salido el numero 2?
sum(resultados==2)

# Queremos repetir el cálculo de media y desviación logarítmica

# para varios vectores distintos

vectores <- list(
seq(1, 100, 10),
seq(1, 300, 50),
seq(1, 500, 100)
)

# Creamos un bucle FOR

for (i in vectores) {
media <- mean(log(i + 1))
desv  <- sd(log(i + 1))
print(paste("Media:", round(media, 2), " | Desviación:", round(desv, 2)))
}

# Ahora queremos guardar los resultados

# Crear un vector vacío

resultados <- c()

for (i in vectores) {
media <- mean(log(i + 1))
desv  <- sd(log(i + 1))
filas <- data.frame(media=media, desv=desv)
resultados <- rbind(resultados, filas)
}

resultados

sapply(vectores, function(i) mean(log(i + 1)))

x <- 10

if (x > 5) {
  print("El número es mayor que 5")
}

x <- 3

if (x > 5) {
  print("El número es mayor que 5")
} else {
  print("El número es menor o igual que 5")
}

edades <- c(15, 22, 35, 12)

ifelse(edades >= 18, "Adulto", "Menor")

que_tipo_de_numero_soy <- function (x) {
ifelse(x %% 2 == 0, "par", "impar")
}

temperaturas <- rpois (10, 15)
clasificacion <- ifelse(temperaturas < 15, "frio", "caliente")
# Añade a una tabla esta clasificación
data.frame (temperaturas, clasificacion)

# Creamos vectores con información
nombres <-  c ("Laura", "Rocio", "Violeta")
edad <- c(23, 35, 29)
altura <- c(1.65, 1.80, 1.70)
profesion <- c("Bióloga", "Profesora", "Médica")

# Combinamos todo en un data frame
personas <- data.frame(
  NAME = nombres,
  AGE = edad,
  HEIGHT = altura,
  JOB = profesion)

personas[1,]

personas[,1]

personas$NAME # Seleccionar columnas con $

# head(personas)       
# str(personas)  
# summary(personas) 
# colnames(personas) 
# nrow(personas)  
# ncol(personas)
# View(personas) se abre en RStudio como una tabla interactiva.
# write_csv(personas, "data/personas.csv")

library(here)
# CSV
datos_csv <- read.csv(here("data/personas.csv"))
head(datos_csv)

# EXCEL
library(readxl)
datos_excel <- read_excel(here("data/herbarium_df.xlsx")) #, sheet = 1 podríamos especificar el numero de hoja
head(datos_excel)

# GOOGLE SHEETS
library(googlesheets4)
datos_gs <- read_sheet("https://docs.google.com/spreadsheets/d/1qC4lsXPpEcX1NmLdwiMJMC8X_WKX-EFQm4ahPdrNCZc/edit?usp=sharing")
head(datos_gs)

#write_csv(datos_gs, "data/datos_gs.csv")

flores <- read.csv(here("data/flores.csv"))
str(flores)

mean(flores$abundance)

length(unique(flores$species))

#write_csv (flores, "data/flores.csv")